本文涉及知识点
LeetCode2462. 雇佣 K 位工人的总代价
给你一个下标从 0 开始的整数数组 costs ,其中 costs[i] 是雇佣第 i 位工人的代价。
同时给你两个整数 k 和 candidates 。我们想根据以下规则恰好雇佣 k 位工人:
总共进行 k 轮雇佣,且每一轮恰好雇佣一位工人。
在每一轮雇佣中,从最前面 candidates 和最后面 candidates 人中选出代价最小的一位工人,如果有多位代价相同且最小的工人,选择下标更小的一位工人。
比方说,costs = [3,2,7,7,1,2] 且 candidates = 2 ,第一轮雇佣中,我们选择第 4 位工人,因为他的代价最小 [3,2,7,7,1,2] 。
第二轮雇佣,我们选择第 1 位工人,因为他们的代价与第 4 位工人一样都是最小代价,而且下标更小,[3,2,7,7,2] 。注意每一轮雇佣后,剩余工人的下标可能会发生变化。
如果剩余员工数目不足 candidates 人,那么下一轮雇佣他们中代价最小的一人,如果有多位代价相同且最小的工人,选择下标更小的一位工人。
一位工人只能被选择一次。
返回雇佣恰好 k 位工人的总代价。
示例 1:
输入:costs = [17,12,10,2,7,2,11,20,8], k = 3, candidates = 4
输出:11
解释:我们总共雇佣 3 位工人。总代价一开始为 0 。
- 第一轮雇佣,我们从 [17,12,10,2,7,2,11,20,8] 中选择。最小代价是 2 ,有两位工人,我们选择下标更小的一位工人,即第 3 位工人。总代价是 0 + 2 = 2 。
- 第二轮雇佣,我们从 [17,12,10,7,2,11,20,8] 中选择。最小代价是 2 ,下标为 4 ,总代价是 2 + 2 = 4 。
- 第三轮雇佣,我们从 [17,12,10,7,11,20,8] 中选择,最小代价是 7 ,下标为 3 ,总代价是 4 + 7 = 11 。注意下标为 3 的工人同时在最前面和最后面 4 位工人中。
总雇佣代价是 11 。
示例 2:
输入:costs = [1,2,4,1], k = 3, candidates = 3
输出:4
解释:我们总共雇佣 3 位工人。总代价一开始为 0 。
- 第一轮雇佣,我们从 [1,2,4,1] 中选择。最小代价为 1 ,有两位工人,我们选择下标更小的一位工人,即第 0 位工人,总代价是 0 + 1 = 1 。注意,下标为 1 和 2 的工人同时在最前面和最后面 3 位工人中。
- 第二轮雇佣,我们从 [2,4,1] 中选择。最小代价为 1 ,下标为 2 ,总代价是 1 + 1 = 2 。
- 第三轮雇佣,少于 3 位工人,我们从剩余工人 [2,4] 中选择。最小代价是 2 ,下标为 0 。总代价为 2 + 2 = 4 。
总雇佣代价是 4 。
提示:
1 <= costs.length <= 105
1 <= costs[i] <= 105
1 <= k, candidates <= costs.length
堆(优先队列)
先将[0,candidates-1] 放到小根堆heap中,right = max(candidates,n-candidates)在将[right,n)放到heap中。
left = candidates,rcosts[left,right-1]是未放到堆中的数据。
heap的元素:代价,下标。
如果选择的下标< left,且left < right。将costs[left],left放到堆中。left++。
如果选择的下标>=right,且left< right,将costs[right-1],right-1,放到堆中,right–。
代码
核心代码
class Solution {
public:
long long totalCost(vector<int>& costs, int k, int candidates) {
priority_queue<pair<int, int>, vector<pair<int, int>>, greater< >> heap;
for (int i = 0; i < candidates; i++) {
heap.emplace(costs[i], i);
}
int right = max(candidates, (int)costs.size() - candidates);
for (int i = right; i < costs.size(); i++) {
heap.emplace(costs[i], i);
}
int left = candidates;
long long ret = 0;
while (k--) {
ret += heap.top().first;
const int iPopIndex = heap.top().second;
heap.pop();
if (left < right) {
if (iPopIndex < left) {
heap.emplace(costs[left], left);
left++;
}
if (iPopIndex >= right) {
right--;
heap.emplace(costs[right], right);
}
}
}
return ret;
}
};
单元测试
vector<int> costs;
int k, candidates;
TEST_METHOD(TestMethod11)
{
costs = { 17, 12, 10, 2, 7, 2, 11, 20, 8 }, k = 3, candidates = 4;
auto res = Solution().totalCost(costs, k, candidates);
AssertEx(11LL, res);
}
TEST_METHOD(TestMethod12)
{
costs = { 1,2,4,1 }, k = 3, candidates = 3;
auto res = Solution().totalCost(costs, k, candidates);
AssertEx(4LL, res);
}
TEST_METHOD(TestMethod13)
{
costs = { 31,25,72,79,74,65,84,91,18,59,27,9,81,33,17,58 }, k =5, candidates = 2;
auto res = Solution().totalCost(costs, k, candidates);
AssertEx(164LL, res);
}
TEST_METHOD(TestMethod14)
{
costs = { 31,25,72,79,74,65,84,91,18,59,27,9,81,33,17,58 }, k = 6, candidates = 2;
auto res = Solution().totalCost(costs, k, candidates);
AssertEx(173LL, res);
}
TEST_METHOD(TestMethod15)
{
costs = { 31,25,72,79,74,65,84,91,18,59,27,9,81,33,17,58 }, k = 11, candidates = 2;
auto res = Solution().totalCost(costs, k, candidates);
AssertEx(423LL, res);
}
扩展阅读
我想对大家说的话 |
---|
工作中遇到的问题,可以按类别查阅鄙人的算法文章,请点击《算法与数据汇总》。 |
学习算法:按章节学习《喜缺全书算法册》,大量的题目和测试用例,打包下载。重视操作 |
有效学习:明确的目标 及时的反馈 拉伸区(难度合适) 专注 |
闻缺陷则喜(喜缺)是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。 |
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。 |
如果程序是一条龙,那算法就是他的是睛 |
失败+反思=成功 成功+反思=成功 |
视频课程
先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
https://edu.csdn.net/course/detail/38771
如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.csdn.net/lecturer/6176
测试环境
操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。